Summary

3 आयामी प्रोटोकॉल वॉल्यूम और माउस स्तन ग्रंथियों का अध्ययन करने के लिए अपने आवेदन के पुनर्निर्माण

Published: July 26, 2014
doi:

Summary

We present an image registration approach for 3-dimensional (3D) histology volume reconstruction, which facilitates the study of the changes of an organ at the level of macrostructures made up of cells . Using this approach, we studied the 3D changes between wild-type and Igfbp7-null mammary glands.

Abstract

प्रोटोकॉल मात्रा पुनर्निर्माण 3D आकार और कोशिकाओं से बना macrostructures के स्तर पर एक अंग की मात्रा परिवर्तन के अध्ययन की सुविधा. यह भी बड़ा मेडिकल इमेजिंग और चिकित्सा में उपन्यास तकनीक और एल्गोरिदम जांच और मान्य करने के लिए इस्तेमाल किया जा सकता है. विभिन्न अंगों 1,2,3 के 3 डी उच्च संकल्प atlases बनाना ऊतक विज्ञान मात्रा पुनर्निर्माण की एक और आवेदन है. इस ऊतक संरचनाओं और विभिन्न सेलुलर सुविधाओं के बीच स्थानिक संबंध की जांच के लिए एक संसाधन उपलब्ध कराता है. हम ऑप्टिकल blockface छवियों का एक सेट का उपयोग करता है जो ऊतक विज्ञान मात्रा पुनर्निर्माण के लिए एक छवि पंजीकरण दृष्टिकोण प्रस्तुत करते हैं. खंगाला ऊतक विज्ञान मात्रा कोई प्रचारित बाद के प्रसंस्करण के पंजीकरण त्रुटि के साथ कार्रवाई नमूना का एक विश्वसनीय आकार का प्रतिनिधित्व करता है. दो माउस स्तन ग्रंथियों के hematoxylin और eosin (एच एंड ई) दाग वर्गों एड से निकाले सीमा अंक का उपयोग कर उनके इसी blockface छवियों को दर्ज किए गए थेऊतक विज्ञान और blockface छवियों में नमूना की GES. पंजीकरण की सटीकता नेत्रहीन मूल्यांकन किया गया था. स्तन ग्रंथियों के macrostructures के संरेखण भी नेत्रहीन उच्च संकल्प पर मूल्यांकन किया गया था.

इस अध्ययन स्तन ग्रंथि के छांटना से 3 डी ऊतक विज्ञान मात्रा पुनर्निर्माण के माध्यम से लेकर, इस छवि पंजीकरण पाइपलाइन के विभिन्न चरणों रूपरेखा बनाती है. 2 डी ऊतक विज्ञान छवियों वर्गों के जोड़े के बीच बुनियादी फर्क पता चलता है, वहीं 3 डी ऊतक विज्ञान मात्रा आकार और स्तन ग्रंथियों की मात्रा में अंतर कल्पना करने की क्षमता प्रदान करता है.

Introduction

IGFBP7 (प्रोटीन 7 बाध्यकारी वृद्धि कारक जैसे इंसुलिन) IGF बंधनकारी प्रोटीन परिवार का एक सदस्य है, और IGF1 रिसेप्टर 4 बाध्य करने के लिए दिखाया गया है. Xenograft ट्यूमर मॉडल में IGFBP7 के reintroduction बहुत apoptosis और सेलुलर senescence 7 की प्रेरण के माध्यम से 6 विकास ट्यूमर को रोकता है, जबकि IGFBP7 के नीचे विनियमन, स्तन कैंसर 5 में गरीब पूर्वानुमान के साथ सहसंबद्ध किया जाता है. IGFPB7 के प्रभाव का अध्ययन करने के लिए, एक IGFBP7 अशक्त माउस 5 (अप्रकाशित डेटा) बनाया गया था. इन चूहों के ट्यूमर विकसित नहीं करते हैं, वे अंडाशय, मांसपेशियों और जिगर की ऊतक विज्ञान में परिवर्तन के साथ ही स्तन ग्रंथि विकास patterning (अप्रकाशित डेटा) में दोष दिखा. अशक्त चूहों छोटे कूड़े के आकार की है और कई बड़े litters (अप्रकाशित डेटा) को बनाए रखने में असमर्थ हैं के रूप में दोषपूर्ण phenotype के पहले संकेत दिया गया था.

3 डी ऊतक विज्ञान संस्करणों उपयोगी informat प्रदान करने की क्षमता हैबड़ा चिकित्सा छवियों में वैकृत निष्कर्षों की मात्रात्मक और तुलनात्मक विश्लेषण और मूल्यांकन के लिए आयन. तीन आयामी confocal, दो photon माइक्रोस्कोपी स्थानीय हद 14 में ग्रंथि के उच्च संकल्प सेल रूपात्मक जानकारी प्रदान कर सकते हैं, लेकिन यह देखने और गहराई का एक सीमित क्षेत्र है. प्रोटोकॉल मात्रा पुनर्निर्माण एक बहुत बड़ा स्थानिक हद पर अधिक जानकारी प्रदान करता है. कुछ विरूपण ऐसे संकोचन, विस्तार, आँसू, और परतों के रूप में ऊतकीय वर्गों, की तैयारी के दौरान अनुमान है पारंपरिक तरीकों का उपयोग कर. इन विकृतियों यह मुश्किल एक 3 डी की मात्रा के पुनर्निर्माण के लिए एक 3 डी ढेर में सीरियल ऊतकीय छवियों रजिस्टर करने के लिए बनाते हैं. दोष के साथ लगातार वर्गों की संख्या बरकरार वर्गों के बीच समानता बढ़ जाती है के रूप में कम और फलस्वरूप पंजीकरण प्रक्रिया को और अधिक जटिल बना देता है.

विभिन्न तरीकों ऊतकीय वर्गों रजिस्टर करने के लिए और एक निरंतर ऊतक विज्ञान Vo बनाने के लिए प्रस्तावित किया गया हैlume. कुछ तकनीकों तीव्रता विविधताओं 8 पर निर्भर करती है, और दूसरों के धारा 9 के आकार के आधार पर कर रहे हैं. कुछ नमूनों के लिए संरचनात्मक ढांचे मील का पत्थर आधारित पंजीकरण तरीकों 12,13 के साथ स्थलों 10,11 के रूप में इस्तेमाल किया जा सकता है. लेकिन इन आंतरिक संरचना पूरी मात्रा में और कोई विश्वसनीय संरचनात्मक ढांचे पहचाना जा सकता है कुछ नमूनों के लिए detectable नहीं हो सकता है. कुछ समूह एक जोड़ी वार पंजीकरण दृष्टिकोण का इस्तेमाल किया और लगातार ऊतक विज्ञान छवियों आकृति या संरचनात्मक ढांचे 16-18 का उपयोग कर एक दूसरे के लिए पंजीकृत किया है. संदर्भ छवियों के उपयोग के बिना एक दूसरे को धारावाहिक ऊतक विज्ञान वर्गों का पंजीयन पंजीकरण त्रुटि प्रचार और ऊतक विज्ञान मात्रा के वास्तविक आकार को बदल सकता है. जोड़ी वार पंजीकरण दृष्टिकोण छवियों के ढेर भर में ऊतक विज्ञान वर्गों और आंतरिक संरचना के आकार की स्थिरता पर निर्भर करता है; इसलिए यह नमूना के घने नमूने, जो आवश्यकतानैदानिक ​​नमूनों के लिए, उदाहरण के लिए, हो सकता है हमेशा संभव नहीं.

इस पाइपलाइन में हम ऊतक विज्ञान मात्रा पुनर्निर्माण 19 के लिए संदर्भ छवियों का एक सेट के रूप में blockface छवियों का उपयोग करें. Blockface छवियों सूक्ष्म पर बढ़ते के बाद आयल ऊतक ब्लॉक का लिया जाता है और प्रत्येक अनुभाग में कटौती होने से पहले. इस प्रकार, व्यक्तिगत धारावाहिक वर्गों में कटौती करने के लिए क्षति धारावाहिक वर्गों 8,11,15 के पंजीकरण के साथ हस्तक्षेप नहीं करता है. हम अन्य समूहों से एक अलग तरीके से blockface छवियों पर कब्जा. ऑप्टिकल ब्लॉक अंकित छवियों प्रकाशिकी में नियमित लेंस का उपयोग करते समय आमतौर पर तब होता है, जो प्रति बैरल और परिप्रेक्ष्य विरूपण, समाप्त करने या कम करने के लिए एक telecentric लेंस से प्राप्त कर रहे हैं. यह नियमित रूप से लेंस का उपयोग blockface इमेजिंग प्रदर्शन जो अन्य प्रकाशित तरीकों, पर प्रस्तावित दृष्टिकोण के लाभ में से एक है. छवियों Tiss के बीच विपरीत वृद्धि के लिए ब्लॉक की सतह का प्रतिबिंब का उपयोग करने के लिए एक मामूली तिरछा कोण पर लिया जाता हैUE और आयल सतह और आयल सतह के नीचे गहराई में ऊतक की छाया को समाप्त करने के लिए. एक फोटो फिल्टर भी ब्लॉक सतह और इसके विपरीत 19 संतुलन के लिए ऊतक से आने वाले प्रकाश फूट डालना करने के लिए इस्तेमाल किया जाता है. रोटरी सूक्ष्म तक्षणी पर ब्लॉक के विस्थापन के लिए ठीक करने के लिए दो से तीन छेद blockface छवियों में आसानी से detectable हैं जो ब्लॉक के कोनों में ड्रिल किए जाते हैं. इन छेद के centroids blockface छवियों के लिए पंक्ति में मील का पत्थर आधारित कठोर पंजीकरण के साथ किया जाता है.

Protocol

1. नमूना तीन दिनों स्तनपान की शुरुआत पोस्ट जंगली प्रकार CDH1 से शल्य चिकित्सा स्तन ग्रंथियों के साथ ही IGFBP7-अशक्त चूहों आबकारी. देशी स्तन ग्रंथि आकारिकी हासिल करने में मदद करने के लिए गिलास स्लाइड प?…

Representative Results

पारंपरिक माइक्रोस्कोपी तकनीक की एक ख़तरा सूक्ष्म स्तर पर एक अंग की समझ एक समय में एक क्षेत्र के दृश्य करने के लिए सीमित है. यहां तक ​​कि पूरे स्लाइड वर्गों प्रदान जो "कुल प्रकटीकरण" स्लाइड्स, तीन आया…

Discussion

इस अध्ययन में, हम ऊतक विकृत हो सकता है जो ऊतक के भीतर आंतरिक बेतरतीब ढंग से चयनित स्थलों या प्रत्यारोपित मापकला मार्कर, की आवश्यकता नहीं है जो धारावाहिक 2D ऊतक विज्ञान छवियों, से एक 3 डी ऊतक विज्ञान मात्रा…

Divulgations

The authors have nothing to disclose.

Acknowledgements

The authors would like to thank the Biomarker Imaging Research Laboratory (BIRL) at Sunnybrook Research Institute for their histology services. Support for this work was provided by the Terry Fox Foundation, the Canadian Breast Cancer Foundation‐the Prairie‐NWT as well as a CIHR grant, #MOP-97996.

Materials

16% PFA VWR International 15710 16% Paraformaldehyde solution
Small tissue processing cassettes VWR International CA95029-956
Leica ASP300 Automated Tissue processor Leica 14047643515
100% ethanol Fisher Scientific S25307B
Xylene VWR International  CA95057-822
Paraffin  Thermo Fisher 39501006 Paraplast Tissue Embedding Medium
Leica EG 1160 Embedding Centre Leica
Leica rotary microtome Leica
Milling machine Argo
Microscope slides VWR International  CA48312-015
H&E stain VWR International
Automatic stainer
Coverslips  VWR International  48404-452
MEDITE RCM 7000 Glass Coverslipper MEDITE
Leica SCN400 slide scanner Leica
MATLAB MathWorks Inc MATLAB 2007b Development software
MeVisLab MeVis Medical Solutions AG MeVisLab 2.1 3D visualization software

References

  1. Sunkin, S. M., et al. Brain Atlas: An integrated spatiotemporal port for exploring the central nervous system. Nucleic Acids Research. 41, 996-1008 (2012).
  2. Shen, E. H., Overly, C. C., Jones, A. R. The Allen Human Brain Atlas: Comprehensive gene expression mapping of the human brain. Trends in Neurosciences. 35 (12), 711-714 (2012).
  3. Trifunović, D., Karali, M., Camposampiero, D., Ponzin, D., Banfi, S., Marigo, V. A high-resolution RNA expression atlas of retinitis pigmentosa genes in human and mouse retinas. Invest. Ophthalmol. Vis. Sci. 49 (6), 2330-2336 (2008).
  4. Evdokimova, V., et al. IGFBP7 binds to the IGF-1 receptor and blocks its activation by insulin-like growth factors. Science Signaling. 5 (255), 92 (2012).
  5. Burger, A., Leyland-Jones, B., Banerjee, K., Spyropoulos, D., Seth, A. Essential roles for IGFBP-3 and IGFBP-rP1 in breast cancer. European J. Cancer. 41 (11), 1515-1527 (2005).
  6. Amemiya, Y., et al. Insulin like growth factor binding protein-7 reduces growth of human breast cancer cells and xenografted tumors. Breast Cancer Res Treat. 126 (2), 373-384 (2011).
  7. Benatar, T., et al. IGFBP7 reduces breast tumor growth by induction of senescence and apoptosis pathways. Breast Cancer Res Treat. 133 (2), 563-573 (2012).
  8. Bardinet, E., et al. Co-registration of histological, optical and MR data of the human brain. Medical Image Computing and Computer-Assisted Intervention-Part I. , 548-555 (2002).
  9. Jacobs, M. A., Windham, J. P., Soltanian-Zadeh, H., Peck, D. J., Knight, R. A. Registration and warping of magnetic resonance images to histological sections. Medical Physics. 26 (8), 1568-1578 (1999).
  10. Zhan, Y., Ou, Y., Feldman, M., Tomaszeweski, J., Davatzikos, C., Shen, D. Registering histologic and MR images of prostate for image-based cancer detection. Academic radiology. 14 (11), 1367-1381 (2007).
  11. Dauguet, J., et al. Three-dimensional reconstruction of stained histological slices and 3D non-linear registration with in vivo MRI for whole baboon brain. Journal of Neuroscience Methods. 164 (1), 191-204 (2007).
  12. Lazebnik, R. S., Lancaster, T. L., Breen, M. S., Lewin, J. S., Wilson, D. L. Volume registration using needle paths and point landmarks for evaluation of interventional MRI treatments. IEEE Transactions on Medical Imaging. 22 (5), 653-660 (2003).
  13. Breen, M. S., Lazebnik, R. S., Wilson, D. L. Three-dimensional registration of magnetic resonance image data to histological sections with model-based evaluation. Annals of Biomedical Engineering. 33 (8), 1100-1112 (2005).
  14. Mori, H., Borowsky, A. D., Bhat, R., Ghajar, C. M., Seiki, M., Bissell, M. J. . The American Journal of Pathology. 180 (6), 2249-2256 (2012).
  15. Gibb, M., Gilbert, D., Heiner, M., et al. Resolving the three-dimensional histology of the heart. Computational Methods in Systems Biology. , 2-16 (2012).
  16. Wu, M. L., et al. Three-dimensional virtual microscopy of colorectal biopsies. Archives of Pathology & Laboratory Medicine. 129 (4), 507-510 (2005).
  17. Arganda-Carreras, I., et al. 3D Reconstruction of histological sections: Application to mammary gland tissue. Microscopy Research and Technique. 73 (11), 1019-1029 (2010).
  18. Song, Y., Treanor, D., Bulpitt, A. J., Magee, D. R. 3D reconstruction of multiple stained histology images. Journal of Pathology Informatics. 4 (2), 7 (2013).
  19. Shojaii, R., Karavardanyan, T., Yaffe, M., Martel, A. L. Validation of histology image registration. SPIE Medical Imaging. 7962, 79621E, doi:10.1117/12.878762. 7962 (7962E), (2011).
  20. Ridler, T. W., Calvard, S. Picture thresholding using an iterative selection method. IEEE Transactions on Systems, Man, and Cybernetics. 8 (8), 630-632 (1978).
  21. Freeman, H. Computer processing of line-drawing images. ACM Computing Surveys (CSUR. 6 (1), 57-97 (1974).
  22. Giardina, C. Accuracy of curve approximation by harmonically related vectors with elliptical loci). Computer Graphics and Image Processing. 6 (3), 277-285 (1977).
  23. Shojaii, R., Martel, A. L. A novel edge point selection method for registration of histology images. Optical Tissue Image analysis in Microscopy, Histopathology and Endoscopy. (OPTIMHisE) Workshop, MICCAI. , (2009).
  24. Besl, P., McKay, N. A method for registration of 3-D shapes. IEEE Transactions on Pattern Analysis and Machine Intelligence. 14 (2), 239-256 (1992).
  25. Chatterjee, S., et al. Loss of Igfbp7 causes precocious involution in lactating mouse mammary gland. PLoS ONE. 9 (2), e87858 (2013).
  26. Manjunath, B. S., Chellappa, R. Unsupervised texture segmentation using Markov random field models. IEEE Transactions on Pattern Analysis and Machine Intelligence. 13 (5), 478-482 (1991).
  27. Krishnamachari, S., Chellappa, R. Multiresolution Gauss-Markov random field models for texture segmentation. IEEE Transactions on Image Processing: a publication of the IEEE Signal Processing Society. 6 (2), 251-267 (1997).
check_url/fr/51325?article_type=t

Play Video

Citer Cet Article
Shojaii, R., Bacopulos, S., Yang, W., Karavardanyan, T., Spyropoulos, D., Raouf, A., Martel, A., Seth, A. Reconstruction of 3-Dimensional Histology Volume and its Application to Study Mouse Mammary Glands. J. Vis. Exp. (89), e51325, doi:10.3791/51325 (2014).

View Video